Compactar es olvidar: lo que se pierde cuando el agente resume para seguir

Un agente solo sabe lo que tiene delante, y ese espacio tiene un tope. Cuando se llena, la salida habitual es resumir todo lo ocurrido y seguir trabajando con el resumen: a eso se le llama compactar, y en 2026 lo hacen solos tanto Anthropic como OpenAI.

El resumen decide qué sobrevive. Si se cae un detalle, el agente trabaja peor y se nota. Si se cae una norma —no tocar producción, no sacar datos fuera—, el agente puede dejar de cumplirla sin que nadie se dé cuenta, porque ya no recuerda que existía.

• V Un borrador de junio de 2026 firmado por un solo autor, «Governance Decay», midió 1.323 sesiones: después de resumir, el incumplimiento de las normas pasó del 0 % al 30 % de media. Cuando la norma sobrevivía al resumen se quedaba en cero, y volver a escribirla justo después de resumir la devolvía a cero. La lección práctica es sencilla: repite las normas tras cada resumen en vez de darlas por dichas.
• V Anthropic contó en marzo de 2026 que, con uno de sus modelos, les funcionaba mejor abrir una sesión nueva con un traspaso escrito a mano que dejar que el sistema resumiera solo.
• V No todos te enseñan el resumen. Anthropic lo devuelve como texto que puedes leer; OpenAI lo devuelve cifrado y advierte de que «no está pensado para que lo interprete una persona». I En la práctica eso significa que, cuando algo salga mal, en un caso podrás ver qué recordaba el agente y en el otro no.
• V Y resumir cuesta dinero aunque ahorre sitio: al reescribir lo que el modelo tiene delante se anula la copia guardada que abarata las preguntas siguientes. Como por cada palabra que escribe el agente lee alrededor de cien, esa copia es la mayor partida de la factura (Manus, julio de 2025).
• V Ese equilibrio se ha movido (24-sep-2026). Leer de la caché costaba el 10 % del precio de entrada en casi todos los modelos; en Opus 5.5 cuesta el 5 %, y en Fable 5.1 el 2,5 %. I Cuanto más barato sea leer de la caché, más caro sale en términos relativos tirarla a la basura resumiendo, así que el argumento no se debilita: se refuerza.

1. Claude — Pricing (modelos, caché y tokenizador) · consultado 24-sep-2026
2. Chen — Compaction Silently Erases Safety Constraints · jun-2026
3. Anthropic — Harness design for long-running application development · 24-mar-2026
4. Claude Docs — Compaction · consultado 18-sep-2026
5. OpenAI Docs — Compaction · consultado 18-sep-2026
6. Manus — Context Engineering for AI Agents · 18-jul-2025